物流分析体系及北京实践研究

一、关键概念解析

上期给出了物资的基本概念，即能够满足人民生产和生活需要的物质资料。其向上通过生产、消费、流通三大活动环节利用并创造物资的使用价值，支撑产业发展、保障居民生活；向下通过流通环节产生货运量，并进一步转化为货车流量，产生交通拥堵、环节污染等社会问题。

图1 物资上下游关联关系图

根据物资的上下游关联关系，物流分析体系的构成也可分为两部分：一是向上与产业、人口形成物资规模分析体系；二是向下形成“物资规模—货运需求—货运量—车流量”关联分析体系。为更好的帮助读者理解分析体系，以下将对物资规模、货运需求、货运量、车流量四个关键概念及关联关系（如图2所示）进行解读。

图2｜“物资规模—货运需求—货运量—车流量”关联分析示意图

（1）物资规模

上期文章明确指出，根据不同分类方式，物资规模具有不同的解读，且统计口径不同，获得的物资规模总量也存在一定差异。一般而言，在进行基础设施布局、物流货运规划时，多从流向角度进行物资规模统计，即分为输入物资规模、输出物资规模和内部物资规模三类。输入物资是指在城市外部生产、内部消费的物资总量；输出物资是指城市内部生产、外部消费的物资总量；内部物资是指城市内部自产自销的物资总量。

（2）货运需求

货运需求是指需要占用社会公共运输资源完成空间位移的物资数量。在现代社会，除了企业工厂内部自产自销的情况，大部分物资需要依托社会资源完成的空间位移才能实现从供给者向需求者的转移。对于企业工厂内部自产自销的物资而言，由于仅占用企业内部运输资源，不需要社会公共运输资源，因而不产生货运需求。如对于带发动机制造业务的整车厂，其发动机由制造区间向整车组装区间运输的过程仅发生在工厂内部，不需要利用社会公共运输资源，因而不涉及货运需求。因此，物资规模和货运需求的差值仅为企业自产自销的物资总量。当不统计工厂自产自销的物资时，物资需求与按流向角度统计的物资规模相等。

（3）货运量

货运量是指由各种运输工具实际运送到目的地并卸完的物资数量，是目前运输统计口径最常用的概念。当按照不同类型运输工具进行货运量统计对比时，就形成了运输结构，反映了货运需求与不同运输方式供给的匹配关系。

货运量概念最初是为了反映货运需求而提出的，但是在现有分运输方式、分单车运输的统计制度下，两者呈现出倍数差异，即：Y=k·X

Y为货运需求，X为运输量，K为转运系数，即物资在不同运输方式、不同车辆间的转运次数。

（4）车流量

车流量是指市域范围内全部城市道路上行驶的货车车辆数总和，逐条道路分别统计后加总。车流量是公路货运量进行车货匹配和具体路径分配后的产物，也是产生交通拥堵、环境污染等社会问题的直接原因。

二、物流分析体系

本文所建立的物流分析体系是一个以逻辑关联、核心概念、流通规律为理论支持，以基础数据处理算法、核心模型、基础参数及规律分析算法等为技术载体，以需求、设施、服务、运行、产业和用地等数据为基础支持的“理论认知+技术方法+数字信息”三合一协同解释体系。

图3 物流分析体系架构

（一）理论认知

包含逻辑关联、概念定义、活动规律三大类核心要素，能够有效指导技术体系建立、理解货物流转机理的理论解释体系。上期文章围绕物资及其活动规律的分析即属于是该部分内容，针对292类物资品类的活动规律后续将以系列文章的形式具体分析。

（二）技术方法

围绕基础数据处理、核心模型搭建、基础参数及规律分析三大模块搭建的技术分析体系，能够实现物流、货流车流的关联协同，并与产业、污染等实现联动，为月度及年度预测分析提供依据。其中，基础数据处理技术以直接接入的原始数据为研究对象，运用数据质控和多源融合两大技术，为核心模型的搭建和分析提供高质量的基础数据支撑；核心模型搭建技术借鉴交通规划“四阶段法”模型，建立了双向四层级联调模型，实现“物资规模—货运需求—货运量—车流量”的关联调整；基础参数及规律分析技术以核心模型输出为基础，主要面向具体问题开展相关分析工作，如运输费用测算、污染排放测算、全市进出京货运量铁路占比测算等。

图4 技术体系结构图

（三）数字信息

基于网络开源大数据采集、抽样补充调查、数据监测等方法，建立数字化信息库，为模型建立和关联分析提供基础。数字信息体系主要包括三类数据：一是外部环境数据，主要包括社会、经济、产业、能源、科技、用地等，用于把控外部宏观发展环境、分析和预测物资规模；二是内部分析数据，包括基础设施、运输服务、路网运行、物资供需四层级体系，主要用于建立分析模型、支持物流货运数据分析工作；三是衍生拓展数据，包括能耗因子、污染排放因子等，与车流量等内部分析数据结合后，可用于开展污染排放、道路资源使用情况等延伸分析。目前，整个数据体系仍在不断完善中。

图5 数字化信息库结构示意图

三、北京应用实例

基于上述物流分析体系，以北京为例打磨形成了一套技术体系，能够分析城市物资需求总量、不同运输方式比例等变化情况，并在北京市运输结构调整工作中提供了技术支撑。

（1）建立全口径运输结构核算方法，支撑北京市运输结构优化目标分析

根据国家运输结构调整的战略部署，2018年底北京市政府印发了《北京市推进运输结构调整三年行动计划（2018-2020年）》，提出“全市货物到发铁路运输比重”的目标要求，即2019年提升至8%，2020年提升至10%”。然而，该指标内涵并没有明确的定义，且在既有公路货运量的统计中并未考虑外埠货车运输量。为支持北京市运输结构调整工作的开展，我院基于物流分析体系，明确了指标内涵（即全市铁路货物到发量占全市铁路、公路、航空及管道四种方式货物到发总量的比重），并建立了指标的核算方法。

经测算分析，运输结构调整政策实施前（2017年），全市货物到发81%依靠公路运输，铁路占比仅6.4%。随着运输结构调整各项工作的推动，自2018年起，本市货物到发铁路占比持续提升，2019年底达8%，公路占比则降低至74%。

图6 2017-2019年北京市运输结构变化图

（2）建立基于大宗货物公转铁规模的能耗及污染物核算方法，支撑运输结构调整节能减排效果评估

依托物流分析体系中的污染排放和能耗测算技术，综合考虑车货匹配特性、物资运输距离、车辆能耗及排放特性等因素，建立了基于公转铁规模的能耗及污染物核算方法。经过近两年工作的推动，在城市非首都功能疏解、煤炭等铁路适运货物大幅减少的情况下，2019年全市推动了约300万吨物资公转铁，减少了进出京主干道上约22万辆次货车流量，实现了0.5亿升燃油节省、12.7万吨碳减排和0.2万吨污染物（含NOx和PM2.5）减排。

“

结语

本文介绍的物流分析体系是继上期“物资”要素的分析之后，我院在物流理论体系建设的阶段性成果之二。后续将结合新的形势要求和工作实践，围绕各类物资品类的活动规律等陆续发布相关成果，希望与社会各利益相关方共同探讨更加系统性的物流货运解决方案和思路。

供稿：节能减排中心  朱宇婷、刘莹、余柳